Bayesian Model Search for Nonstationary Periodic Time Series.
Bayesian Model Search for Nonstationary Periodic Time Series.
复制标题
贝叶斯模型搜索非组织周期性时间序列。
DOI：
10.1080/01621459.2019.1623043
复制
发表时间：
2019-07-09
影响因子：
3.7
通讯作者：
Huckstepp R
中科院分区：
文献类型：
--
作者：
Hadj-Amar B;Rand BF;Fiecas M;Lévi F;Huckstepp R
我们提出了一种新的贝叶斯方法来分析表现出振荡行为的非平稳时间序列。我们使用一个周期未知的分段振荡模型来逼近时间序列，我们的目标是在估计变化点的同时识别数据中潜在的变化周期。我们提出的方法基于跨维马尔可夫链蒙特卡罗算法，该算法同时更新变化点和与它们之间的任何分段相关的周期。我们表明，所提出的方法在两个与电子健康和睡眠研究相关的应用中成功地识别了时间变化的振荡行为，即在夜间休息期间人体皮肤温度发生超常振荡，以及在体积描记呼吸轨迹中检测睡眠呼吸暂停的实例。这篇文章的补充材料可以在网上找到。
We propose a novel Bayesian methodology for analyzing nonstationary time series that exhibit oscillatory behavior. We approximate the time series using a piecewise oscillatory model with unknown periodicities, where our goal is to estimate the change-points while simultaneously identifying the potentially changing periodicities in the data. Our proposed methodology is based on a trans-dimensional Markov chain Monte Carlo algorithm that simultaneously updates the change-points and the periodicities relevant to any segment between them. We show that the proposed methodology successfully identifies time changing oscillatory behavior in two applications which are relevant to e-Health and sleep research, namely the occurrence of ultradian oscillations in human skin temperature during the time of night rest, and the detection of instances of sleep apnea in plethysmographic respiratory traces. Supplementary materials for this article are available online.
登录
查看更多内容
影响因子：
9.6
作者：
Lal, Chitra;Strange, Charlie;Bachman, David
通讯作者：
Bachman, David
DOI：
10.1098/rsif.2017.0885
发表时间：
2018-03
期刊：
Journal of the Royal Society, Interface
影响因子：
--
作者：
Huang Q;Cohen D;Komarzynski S;Li XM;Innominato P;Lévi F;Finkenstädt B
通讯作者：
Finkenstädt B
影响因子：
4.4
作者：
BERLAD, I;SHLITNER, A;LAVIE, P
通讯作者：
LAVIE, P
影响因子：
6.8
作者：
AKAIKE, H
通讯作者：
AKAIKE, H
影响因子：
5.4
作者：
Djuric, PM
通讯作者：
Djuric, PM